基于贝叶斯优化的密度峰值聚类算法

作者：吴涛; 朱小东^*; 刘唤唤; 张顺香

来源：电脑知识与技术, 2022, 18(22): 8-12.

DOI：10.14004/j.cnki.ckt.2022.1508

• 密度峰值的聚类算法
• 截断距离
• 贝叶斯算法
• 自适应聚类
• 内部指标

针对人工经验设定密度峰值的聚类算法(clustering by fast search and find of density peaks, DPC)的截断距离dc有很大的主观性和随机性，进而导致密度峰值聚类算法的性能无法完全发挥的问题。提出贝叶斯算法(Bayesian Optimization,BO)优化密度峰值的聚类算法以实现自适应聚类。并解决密度峰值的聚类算法簇间数据点识别错误问题。该方法建立在数据集Aggregation、Flame、Jain、Spiral上进行实验，分别通过内部指标Silhouette和外部指标F-measure对实验结果评估，性能均有提升。

• 单位
  安徽理工大学